KI im DAM: Warum Metadaten und Governance vor Features kommen

Von /
Fotoabzüge und Videokacheln mit Metadaten-Anhängern und Checkliste – KI im DAM braucht Governance

In einer aktu­el­len Studie zu KI im DAM nutzen fast vier von fünf Befragten KI aktiv, doch nur gut die Hälfte berich­tet von Erfolg. Mehrere Untersuchungen nennen diesel­ben Bremsen: fehlende Governance, schwa­che Metadaten und isolierte KI-Funktionen. Wir ordnen ein, was Sie vor dem nächs­ten KI-Feature klären soll­ten.

Mitte September hat der Digitalverband Bitkom gemel­det, dass erst­mals die Mehrheit der Unternehmen in Deutschland KI nutzt: 57 Prozent der 603 befrag­ten Firmen ab 20 Beschäftigten. Aufschlussreicher ist ein Detail: Unter den KI-Nutzern nennt die Hälfte die Aufbereitung von Daten als großen Kostenpunkt, 41 Prozent die Systemintegration. Bitkom-Präsident Ralf Wintergerst fasst es so zusam­men: »Daten aufbe­rei­ten, Systeme verbin­den und Rechenkapazität bereit­stel­len erfor­dert den höchs­ten Aufwand.«

Im Digital Asset Management (DAM) zeigt sich dasselbe Muster, nur deut­li­cher.

Viel Nutzung, wenig Wirkung: Was die Studien zeigen

Für die Studie »2026 State of AI in DAM & Content Operations« hat die Beraterin Kristina Huddart (Huddart Consulting), unter­stützt von unse­rem Partner WoodWing, 271 Fachleute von Markenunternehmen, Technologieanbietern und Implementierungspartnern befragt. 79 Prozent nutzen KI aktiv, aber nur 54 Prozent bezeich­nen den Einsatz als erfolg­reich. Als größte Hürden nennen 83 Prozent fehlende Governance oder Aufsicht, 66 Prozent Probleme mit der Metadaten- und Datenqualität und 56 Prozent begrenzte KI-Kompetenzen. In jeder vier­ten Organisation gibt es keine klare Zuständigkeit für KI-Initiativen. Weil WoodWing die Studie unter­stützt und der Erfolg auf Selbsteinschätzung beruht, ist sie eher als Stimmungsbild zu lesen.

Ähnlich fällt der kosten­pflich­tige Forrester-Report »Digital Asset Management Anchors Modern Content Operations« (Juni 2026) aus. Laut der Zusammenfassung des DAM-Anbieters Papirfly haben 67 Prozent der befrag­ten DAM-Entscheider Mühe, vorhan­dene Inhalte wieder­zu­ver­wen­den, zu aktua­li­sie­ren oder auszu­sor­tie­ren. 47 Prozent nennen die Integration mit angren­zen­den Systemen als Top-Priorität für die nächs­ten zwölf Monate, 58 Prozent berich­ten von Schwierigkeiten mit ihrer KI-Integrationsstrategie. Grundlage ist laut Papirfly eine Befragung von 313 Entscheidern im drit­ten Quartal 2025.

Das Analystenhaus Real Story Group beob­ach­tet zudem, dass die meis­ten DAM-Anbieter eigene KI-Funktionen für Tagging und Suche nach­rüs­ten. Die Gefahr: KI-Insellösungen quer durch den MarTech-Stack. Die Analysten empfeh­len, KI als grund­le­gende Schicht der Systemarchitektur zu planen statt als Funktion einzel­ner Produkte.

Was bedeutet das konkret?

KI im DAM schei­tert selten an der Technik, sondern an dem, worauf sie aufsetzt. Das Verschlagworten und Anreichern von Metadaten ist laut Huddart-Studie mit 65 Prozent der häufigste Anwendungsfall und hängt zugleich am stärks­ten von vorhan­de­nen Strukturen ab:

  • Taxonomie: Ohne kontrol­lier­tes Vokabular vergibt ein KI-Modell Schlagworte, nach denen niemand sucht, oder mehrere Varianten dessel­ben Begriffs. Die Suche wird dadurch nicht besser, sondern unüber­sicht­li­cher.
  • Disziplin beim Upload: Auffindbarkeit hängt laut Papirfly-Zusammenfassung des Forrester-Reports weni­ger von der Suchtechnik ab als von einheit­li­cher Benennung, konsis­ten­ter Taxonomie und Pflichtmetadaten beim Hochladen.
  • Verantwortung: Wer pflegt Vokabulare, wer entschei­det, welche KI-Vorschläge über­nom­men werden, wer prüft Stichproben? Fehlt diese Rolle, laufen Ergebnisse unge­prüft in den Bestand.
  • Integration: Nutzen DAM, Redaktionssystem und CMS jeweils eigene KI-Funktionen mit eige­nen Regeln, entste­hen am selben Asset wider­sprüch­li­che Metadaten.

Dass sich Vorarbeit auszahlt, deutet die Huddart-Studie eben­falls an: Von den Organisationen, die noch expe­ri­men­tie­ren, berich­ten 35 Prozent von Erfolg, von jenen mit fest veran­ker­ter KI 77 Prozent. Rechte- und Lizenzfragen blei­ben dabei ein eige­nes Thema; hier geht es um Ordnung und Datenqualität.

Unsere Empfehlung: Erst Readiness, dann KI im DAM

  • Bestand prüfen: Ziehen Sie eine Stichprobe. Wie voll­stän­dig sind Pflichtfelder, wie viele Schreibweisen gibt es für diesel­ben Schlagworte, welche Felder nutzt niemand?
  • Vokabular fest­le­gen: Definieren Sie Taxonomie und kontrol­lier­tes Vokabular, bevor KI Schlagworte vergibt, und bilden Sie KI-Vorschläge auf diese Liste ab, statt freie Begriffe zuzu­las­sen.
  • Zuständigkeiten klären: Benennen Sie fach­lich Verantwortliche für Metadatenmodell und KI-Workflows und legen Sie fest, wie unge­prüfte Vorschläge gekenn­zeich­net und frei­ge­ge­ben werden.
  • Klein und mess­bar star­ten: Die Studie empfiehlt 90-Tage-Piloten mit forma­len Kennzahlen. Messen Sie etwa Nachbearbeitungsquote, Suchtreffer oder Zeit bis zur Freigabe.
  • Zentral anbin­den: Steuern Sie KI-Funktionen über eine gemein­same Workflow-Schicht, statt in jedem System eigene Regeln zu pfle­gen.

So unter­stützt aaroon

Taxonomie, Vokabular und Zuständigkeiten prüfen wir mit Ihnen im Rahmen von CONSULT + CONNECT. Darauf aufbau­end lassen sich wieder­keh­rende Aufgaben in WoodWing Assets und WoodWing Studio mit ao.Services auto­ma­ti­sie­ren, etwa das Klassifizieren und Anreichern mit Metadaten oder die Transkription von Audiodateien. ao.Services wird mit dem KI-Account des jewei­li­gen Kunden betrie­ben und unter­stützt die gängi­gen KI-Anbieter.

Welches KI-Feature ein DAM mitbringt, ist damit zweit­ran­gig; entschei­dend ist, ob Metadaten, Regeln und Zuständigkeiten es tragen.

Quellen

Wie können wir Sie unter­stüt­zen?

Kostenloses Erst-Gespräch

Lassen Sie uns gemein­sam prüfen, wo in Ihren Kommunikations‑, Marketing- oder Unternehmensprozessen konkrete Effizienzpotenziale liegen.

– Henning Bartens, Co-CEO

Termin verein­ba­ren


Strukturiert. Ehrlich. Informativ.

Nach oben scrollen